Prime Intellect
Prime Intellect
Prime Intellect membangun infrastruktur komputasi terdesentralisasi untuk pengembangan AI. Platformnya menghubungkan pengguna dengan sumber daya komputasi global dan kapasitas GPU untuk melatih model bahasa dan sains tingkat lanjut di berbagai klaster terdistribusi. Perusahaan ini berfokus pada penelitian pelatihan terdesentralisasi dan AI sumber terbuka, dengan tujuan membuat pengembangan model lebih mudah diakses melalui sumber daya komputasi bersama.

Ilmuwan Riset Terapan, Keuangan Kuantitatif

Kembangkan agen, simulator pasar, evaluasi, dan metode pascapelatihan untuk riset keuangan kuantitatif. Prime Intellect membangun infrastruktur AI frontier terbuka untuk tim riset dan pengembang.

Deskripsi

  • Buat lingkungan riset, evaluasi, agen, dan metode pascapelatihan untuk riset kuantitatif dan pengambilan keputusan sistematis.
  • Terjemahkan alur kerja riset menjadi tugas, lingkungan, evaluasi, dan sinyal imbalan.
  • Bandingkan eksperimen pascapelatihan dengan tolok ukur nyata, lalu telusuri peningkatannya ke model, data, harness, inferensi, atau infrastruktur.
  • Bangun lingkungan riset kuantitatif untuk merumuskan dan menguji hipotesis, menganalisis serta melakukan backtest pada data sesuai waktu, dan mendiagnosis hasil.
  • Rancang imbalan dan evaluasi untuk membedakan peningkatan yang bertahan dari bias melihat ke depan, kebocoran data, overfitting, asumsi eksekusi yang menguntungkan, konsentrasi tersembunyi, dan risiko ekor.
  • Latih agen berjangka panjang untuk menggunakan data, riset, pemrograman, simulasi, dan alat portofolio sambil melacak asal-usul data dan mematuhi batasan risiko.
  • Modelkan mekanisme pasar, biaya transaksi, latensi, kapasitas, dan batasan operasional yang realistis dalam lingkungan riset.
  • Kembangkan agen yang melakukan riset kuantitatif, memakai alat analisis dan eksekusi, menilai bukti, serta pulih setelah hipotesis gagal.
  • Buat verifikator dan evaluasi untuk mengukur perilaku yang tangguh di luar sampel pada berbagai aset, horizon, rezim, dan kondisi merugikan.
  • Bangun siklus produksi dengan pemantauan, pengawasan manusia, gerbang regresi, dan atribusi kegagalan pada model, data, simulasi, dan infrastruktur.
  • Bekerja langsung dengan pelanggan, pengguna, atau mitra riset sambil menjalankan agenda riset yang substansial.
  • Jadikan hasil kerja yang dapat digunakan kembali sebagai riset bersama, sistem sumber terbuka, dan kapabilitas produk.

Persyaratan

  • Memiliki dasar yang kuat dalam pembelajaran penguatan, agen, atau sistem pascapelatihan, serta mampu mendalami riset kuantitatif.
  • Pengalaman dalam perdagangan sistematis, mikrostruktur pasar, pemodelan deret waktu, ekonometrika, atau simulasi keuangan akan berguna, tetapi tidak wajib.
  • Pengalaman praktis dalam membangun dan men-debug alur kerja pelatihan model, pascapelatihan, agen, evaluasi, atau eksperimen terkait.
  • Pertimbangan eksperimental yang baik, termasuk tolok ukur yang bermakna, pemeriksaan jejak secara cermat, atribusi kegagalan yang jelas, dan kesediaan mengubah arah saat bukti berubah.
  • Kemampuan Python yang kuat.
  • Mampu membuat artefak yang dapat dijalankan, diperiksa, dan dikembangkan oleh peneliti serta insinyur lain.
  • Nyaman mengambil tanggung jawab atas masalah yang belum terdefinisi dengan jelas dan terus memberi kabar kepada mitra serta rekan tim.
  • Publikasi, sistem sumber terbuka, tolok ukur, atau produk yang telah diluncurkan dan menunjukkan hasil kerja yang luar biasa.

Tunjangan

  • Insentif ekuitas.
  • Pola kerja fleksibel di San Francisco, New York, London, atau jarak jauh.
  • Sponsor visa dan dukungan relokasi.
  • Anggaran pengembangan profesional.
  • Acara luar kantor bersama tim dan kehadiran di konferensi.

Lowongan Terkait